DarkMatter in Cyberspace
  • Home
  • Categories
  • Tags
  • Archives

机器学习的数学基础知识


机器学习必备的数学基础有哪些? by 王天一 总结了机器学习的3个步骤:

  1. 表示:将具体问题和数据抽象为数学模型和矩阵,使用线性代数工具;

  2. 评价:设定目标函数评价模型行性质,使用概率论和数理统计作为工具;

  3. 优化:求出目标函数(第2步中确定)在模型(第1步中确定)中的一个最优解,使用最优化理论作为工具;

数学基础包括:

  • 高等数学:求导、微分、积分等;

  • 线性代数:线性空间理论、矩阵分析(如SVD等);

  • 概率论和数理统计;

  • 最优化理论:梯度下降、凸优化、无约束优化、反向传播等;

推荐了两本机器学习数学基础方面的书,作者都是 Trevor Hastie 和 Robert Tibshirani 等:

  • An Introduction to Statistical Learning: 简称 ISL,作者开发了R package ISLR, 网站上有PDF版本、数据、图片和R代码下载;

  • The Elements of Statistical Learning: Springer, 2009年第二版

ESL需要读者有比较好的数学基础,ISL的内容与ESL大致相同,但更偏重于应用, 使用R做了很多实例。可以先通过ISL熟悉各个算法,如果对后面的数学理论感兴趣, 再研究ESL中的对应章节。



Published

Mar 19, 2018

Last Updated

Mar 19, 2018

Category

Tech

Tags

  • machine learning 3
  • math 2

Contact

  • Powered by Pelican. Theme: Elegant by Talha Mansoor